电器的异常预警方法、系统、装置及存储介质制造方法及图纸

本申请提供一种电器的异常预警方法、系统、装置及存储介质。所述方法包括，对电器运行数据进行机器学习以得到异常预警控制模型，获取待评估电器的运行参数，根据所述待评估电器的运行参数和所述异常预警控制模型，生成预警控制评估结果。通过本申请的方案，解决了现有技术中电器设备只能在异常后才提示导致对电器设备的损害较大的问题，达到对电器设备损害小的效果。

Warning method, system, device and storage medium of electrical appliances

【技术实现步骤摘要】
电器的异常预警方法、系统、装置及存储介质
本申请涉及电器领域，尤其涉及一种电器异常预警的方法、系统、装置及存储介质。
技术介绍
随着电器设备的不断普及，人们对电器的需求越来越高，也开始关注智能化的服务，例如怎么避免异常发生影响使用等。目前现有技术中，电器设备都不具备异常预警功能，只能在发生异常后进行异常提示，以此表示设备正处于异常状态或者当前发生什么异常，无法做到提前预警，使得用户无法提前了解电器设备潜在问题，不能将异常扼杀于摇篮之中，从而不能降低电器设备的异常发生率，只能在异常发生后，等待售后维修人员处理。这一方面对电器设备本身的损害较大，有些损害甚至是不可逆的，另一方面，在维修期间，因电器设备无法使用而影响用户体验，在异常后维修，维修难度可能更大、花费可能更高。针对上述问题，目前尚未提出有效的解决方式。
技术实现思路
有鉴于此，本申请提出一种电器的异常预警方法、系统、装置及存储介质，通过机器学习得到电器设备的预警控制模型，根据预警控制模型对电器设备将要发生异常进行预警，从而解决了现有技术中电器设备只能在异常后才提示导致对电器设备的损害较大的问题，达到对电器设备损害小的效果。根据本申请的一个方面，提供一种电器的异常预警方法，包括：对电器运行数据进行机器学习以得到异常预警控制模型；获取待评估电器的运行参数；根据所述待评估电器的运行参数和所述异常预警控制模型，生成预警控制评估结果。进一步地，用于机器学习的所述电器运行数据来源于集群；和/或用于机器学习的所述电器运行数据包括异常数据和非异常数据；和/或，对电器运行数据进行机器学习以得到电器预警模型包括：对所述电器运行数据进行数据预处理，对预处理后的数据进行数据探索性分析以确定异常产生因素及相关的影响变量，分析影响变量与运行异常之间的变化关系以建立预警模型；和/或，所述电器包括空调、冰箱、洗衣机、抽油烟机、热水器、空气净化器中的至少之一。进一步地，所述数据预处理包括：对数据中的每个字段变量的内容检查是否有缺失值，如果有，则进行缺失值处理。进一步地，还包括：对所述异常预警控制模型的鲁棒性进行评估；和/或将待评估电器的运行数据作为机器学习的来源数据之一更新所述预警控制模型；和/或在所述评估结果为需要预警时，生成预警信号。根据本申请的另一个方面，提供一种电器的异常预警系统，包括：模型建立模块，对电器运行数据进行机器学习以得到异常预警控制模型；数据管理模块，获取待评估电器的运行参数；预警模块，根据所述运行参数和所述异常预警控制模型，生成预警控制评估结果。进一步地，用于机器学习的所述电器运行数据来源于集群；和/或用于机器学习的所述电器运行数据包括异常数据和非异常数据；和/或，对电器运行数据进行机器学习以得到电器预警模型包括：对所述电器运行数据进行数据预处理，对预处理后的数据进行数据探索性分析以确定异常产生因素及相关的影响变量，分析影响变量与运行异常之间的变化关系以建立预警模型；和/或，所述电器包括空调、冰箱、洗衣机、抽油烟机、热水器、空气净化器中的至少之一。进一步地，所述数据预处理包括：对数据中的每个字段变量的内容检查是否有缺失值，如果有，则进行缺失值处理。进一步地，还包括：所述模型建立模块对所述异常预警控制模型的鲁棒性进行评估；和/或模型建立模块将待评估电器的运行数据作为机器学习的来源数据之一更新所述预警控制模型；和/或所述预警模块在所述评估结果为需要预警时，生成预警信号。根据本申请的又一个方面，提供一种电器的异常预警的系统装置，包括：至少一个处理器，用于执行多条指令；至少一个存储器，用于存储多条指令；其中，由所述至少一个处理器加载所述至少一个存储器存储的指令并执行如上所述的电器的异常预警方法。根据本申请的再一个方面，提供一种存储介质，其特征在于，所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如上所述的电器的异常预警方法。由此，本申请的方案，通过机器学习得到电器设备的预警控制模型，根据预警控制模型对电器设备将要发生异常进行预警，解决现有技术中电器设备只能在异常后才提示导致对电器设备的损害较大的问题，从而，克服现有技术中对电器设备损害大、维护及时性差和用户体验差的缺陷，实现对电器设备损害小、维护及时性好和用户体验好的有益效果。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1示出了本申请的一种电器的异常预警系统的一实施例的框架示意图；图2示出了本申请的一种电器的异常预警方法的一实施例的流程示意图；图3示出了对电器运行数据进行机器学习以得到电器预警控制模型的流程示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。根据本申请的实施例，提供了一种电器的异常预警系统，图1示出了本申请的一种电器的异常预警系统的一实施例的示意图。该电器的异常预警系统100包括：模型建立模块110，数据管理模块120，预警模块130。图2示出了本申请的一种电器的异常预警方法的一实施例的流程示意图。下面结合图1和图2进行说明。模型建立模块110，用于对电器运行数据进行机器学习以得到电器预警控制模型(步骤S110)。在一个可选例子中，用于机器学习的所述电器运行数据来源于分布式集群，例如，使用python或Scala进行编程开发，数据来源采用spark集群。可选地，也可以用Hadoop集群等，不限于此。Spark与Hadoop是相似的开源集群计算环境，适合于机器学习算法运行处理。当然，不限于来源于集群，也可以是从其他任何渠道获得。在一个可选例子中，通过异常预警系统，搜集同一类电器在不同用户中的使用情况，包括电器在运行过程中的各种状态参数(含运行参数、故障状态等)。这些用于机器学习的电器运行数据可以是同类电器(为了更精准，可以采用同一型号、相似型号和/或递代型号)的过往数据和/或监控到的实时数据，过往数据可以是以往监控到的，也可以是通过其他渠道获得的已有数据，实时数据是正在监控的同类电器的运行数据，实时数据积累到一定量以后即可进行分析、学习、建模。在一个可选例子中，用于机器学习的所述电器运行数据包括异常数据和非异常数据。在一个实施方式中，首先将异常的数据与非异常数据作区分，然后，分析得出发生异常的情况下哪些参数发生明显的变化，这样，到的参数之本文档来自技高网...

【技术保护点】
1.一种电器的异常预警方法，其特征在于，包括：/n对电器运行数据进行机器学习以得到异常预警控制模型；/n获取待评估电器的运行参数；/n根据所述待评估电器的运行参数和所述异常预警控制模型，生成预警控制评估结果。/n

【技术特征摘要】
1.一种电器的异常预警方法，其特征在于，包括：
对电器运行数据进行机器学习以得到异常预警控制模型；
获取待评估电器的运行参数；
根据所述待评估电器的运行参数和所述异常预警控制模型，生成预警控制评估结果。


2.如权利要求1所述的方法，其特征在于：
用于机器学习的所述电器运行数据来源于集群；
和/或
用于机器学习的所述电器运行数据包括异常数据和非异常数据；
和/或，
对电器运行数据进行机器学习以得到电器预警模型包括：
对所述电器运行数据进行数据预处理，
对预处理后的数据进行数据探索性分析以确定异常产生因素及相关的影响变量，
分析影响变量与运行异常之间的变化关系以建立预警模型；
和/或，
所述电器包括空调、冰箱、洗衣机、抽油烟机、热水器、空气净化器中的至少之一。


3.如权利要求2所述的方法，其特征在于，所述数据预处理包括：
对数据中的每个字段变量的内容检查是否有缺失值，
如果有，则进行缺失值处理。


4.如权利要求1至3任一项所述的方法，其特征在于，还包括：对所述异常预警控制模型的鲁棒性进行评估；
和/或
将待评估电器的运行数据作为机器学习的来源数据之一更新所述预警控制模型；
和/或
在所述评估结果为需要预警时，生成预警信号。


5.一种电器的异常预警系统，其特征在于包括：
模型建立模块，对电器运行数据进行机器学习以得到异常预警控制模型；
数据管理模块，获取待评估电器的运行参数；
预警模块，根据所述运行参数和所述异常预警控制模型，生成预警控制评估结果...

【专利技术属性】
技术研发人员：刘欢，谭泽汉，陈彦宇，马雅奇，邝英兰，张秀蕊，张磊，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44